基于CMOS圖像傳感器和微流控技術的無透鏡細胞檢測系統(tǒng),為實現(xiàn)便攜式血細胞分析儀提供了可能。由于該系統(tǒng)采集的細胞圖像沒有經(jīng)過光學放大,細胞圖像像素較低,采用傳統(tǒng)圖像識別算法,難以對細胞進行系別分類。本文采用機器學習算法,對低分辨白細胞圖像的識別算法進行了研究。為了完成低分辨率細胞的圖像識別,首先研究了細胞圖像數(shù)據(jù)庫的建立方法。由于無透鏡系統(tǒng)采集的細胞圖像分辨率過低,難以提取有效特征,提出一種利用光學顯微鏡采集細胞樣本,然后下采樣得到細胞圖像數(shù)據(jù)庫的方案。在20倍光學顯微鏡鏡下分別對淋巴細胞和單核細胞含量較高的血涂片組進行圖像采集,并用圖像處理算法分割出分辨率為170×170×3的淋巴細胞、單核細胞和粒細胞各3480張。接著,將75%數(shù)據(jù)集作為訓練樣本,分別對高分辨白細胞的彩色圖和灰度圖進行訓練學習,并分析其不同結構和參數(shù)對網(wǎng)絡的影響,確定相應的網(wǎng)絡結構。利用25%的數(shù)據(jù)集作為測試樣本,對網(wǎng)絡進行測試,結果表明,對于彩色圖識別率達到99%,灰度圖識別率達到96%。進一步,為了構建低分辨率細胞圖像識別網(wǎng)絡,先對高分辨白細胞降采樣,使用對于高分辨率白細胞圖有良好識別率的網(wǎng)絡結構和訓練參數(shù),對不...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

在顯微鏡鏡下對血涂片進行細胞的觀結果，并作為來判斷疾病的根據(jù)。這種平要求特別高，其識別結果依賴于人的的局限性。到現(xiàn)在為止，在醫(yī)院中對細，然后人工復核下進行細胞分類，這可胞檢驗人員的勞動量，因此自動化血細前成熟的細胞檢測儀器都是大型的，不方，這些大型的細胞檢測儀器是不方微流控技術對....

間是否相互疊加等方式。如圖2-4所示為輸入是4×4大小的圖，卷積核Padding，步長為1的卷積的前向傳遞過程，得到的輸出特征圖大小為3小表達式為11ykkiijijijXWb===+k代表卷積的大小，Wij，代表卷積核第i行，....

圖2-5帶Padding卷積示意圖Figure2-5withPaddingconvolutiondiagram層olingLayer）即下采樣層，降低輸入圖像的大小，減少特征的度，更重要的是提取窗口的主要信息，既滿足了數(shù)據(jù)維度的常是接在卷積層的后面，窗口大小也是....

（a）平均池化正向傳遞（b）最大值池化正向傳遞圖2-6池化層正向傳播Figure2-6Positivepropagationofpoolinglayers000（a）平均池化反向傳遞（b）最大值池化反向傳遞圖2-7池化層反向傳播Figure2-7Ba....

本文編號：4008856